计算机软件及计算机应用论文_基于不准确图像数-清洗世界

来稿应自觉遵守国家有关著作权法律法规，不得侵犯他人版权或其他权利，如果出现问题作者文责自负，而且本刊将依法追究侵权行为给本刊造成的损失责任。本刊对录用稿有修改、删节权。经本刊通知进行修改的稿件或被采用的稿件，作者必须保证本刊的独立发表权。一、投稿方式： 1、请从我刊官网直接投稿。 2、请从我编辑部编辑的推广链接进入我刊投审稿系统进行投稿。二、稿件著作权： 1、投稿人保证其向我刊所投之作品是其本人或与他人合作创作之成果，或对所投作品拥有合法的著作权，无第三人对其作品提出可成立之权利主张。 2、投稿人保证向我刊所投之稿件，尚未在任何媒体上发表。 3、投稿人保证其作品不含有违反宪法、法律及损害社会公共利益之内容。 4、投稿人向我刊所投之作品不得同时向第三方投送，即不允许一稿多投。 5、投稿人授予我刊享有作品专有使用权的方式包括但不限于：通过网络向公众传播、复制、摘编、表演、播放、展览、发行、摄制电影、电视、录像制品、录制录音制品、制作数字化制品、改编、翻译、注释、编辑，以及出版、许可其他媒体、网站及单位转载、摘编、播放、录制、翻译、注释、编辑、改编、摄制。 6、第5条所述之网络是指通过我刊官网。 7、投稿人委托我刊声明，未经我方许可，任何网站、媒体、组织不得转载、摘编其作品。

计算机软件及计算机应用论文_基于不准确图像数

作者:

关键词:

摘要：

文章摘要:在使用图像数据集训练神经网络分类模型时，需要大量标注准确的图像数据集，但实际应用中的图像数据集经常含有大量标注错误的图像，标注错误的图像不利于训练准确的神经网络分类模型。然而，标注准确的数据集制作需要消耗大量的时间和人力成本。因此，本文提出了一种基于不准确图像数据清洗的分类框架。在猫狗自然图像上的实验结果表明，具有清洗环节的分类模型的分类准确率得到提升，损失函数的损失值下降。在探讨数据集中含有标签错误图像的比例与分类准确率之间的关系中发现，较深层次的神经网络对数据集中错误图像有一定的鲁棒性，但在图像数据集中标签噪音图像的比例较高时，清洗环节的引入使得较浅的神经网络分类模型也能达到与较深层次的神经网络分类模型相当的分类效果，而较浅神经网络分类模型的运算速度更快。本文为构建快速和准确的分类模型提供了一种新思路。

文章关键词:

论文分类号:TP391.41

文章来源：《清洗世界》网址: http://www.qxsjzz.cn/qikandaodu/2022/0118/1985.html